BERT模型的应用实例

最新推荐文章于 2026-04-13 09:22:03 发布

原创

最新推荐文章于 2026-04-13 09:22:03 发布 · 1.5k 阅读

标签

#bert #人工智能 #深度学习

收录于

BERT（Bidirectional Encoder Representations from Transformers）模型在自然语言处理（NLP）中有广泛的应用，以下是一些具体的应用实例：

1.文本分类：

利用BERT模型对新闻文章进行情感分析，判断评论的情感极性（积极、消极或中立）。

   from transformers import BertForSequenceClassification, BertTokenizer
   
   # 加载预训练模型和分词器
   model = BertForSequenceClassification.from_pretrained('bert-base-uncased', num_labels=3)
   tokenizer = BertTokenizer.from_pretrained('bert-base-uncased')

   # 假设text是一个待分类的文本字符串
   text = "I really enjoyed the movie!"
   encoded_input = tokenizer(text, return_tensors='pt')

   # 获取模型预测
   outputs = model(**encoded_input)
   logits = outputs.logits
   prediction = torch.argmax(logits).item()

2.问答系统：

BERT可以用来抽取给定段落中的答案，如SQuAD等阅读理解任务。

   from transformers import BertForQuestionAnswering, BertTokenizer

   model = BertForQuestionAnswering.from_pretrained('bert-large-uncased-whole-word-masking-finetuned-squad')
   tokenizer